Matplotlib函数-优快云博客

本文链接：https://blog.youkuaiyun.com/2201_75768010/article/details/145477528

6.Matplotlib函数

6.1 plot 函数

pylab.plot 是一个用于绘制二维图形的函数。它可以根据提供的 x 和 y 数据点绘制线条和/或标记。

语法：

pylab.plot(x, y, format_string=None, **kwargs)

参数：

x: x 轴数据，可以是一个数组或列表。
y: y 轴数据，可以是一个数组或列表。
format_string: 格式字符串，用于指定线条样式、颜色等。
**kwargs: 其他关键字参数，用于指定线条的属性。

plot 函数可以接受一个或两个数组作为参数，分别代表 x 和 y 坐标。如果你只提供一个数组，它将默认用作 y 坐标，而 x 坐标将默认为数组的索引。

格式字符串：

格式字符串由颜色、标记和线条样式组成。例如：

颜色：'b'：蓝色 'g'：绿色 'r'：红色 'c'：青色 'm'：洋红色 'y'：黄色 'k'：黑色 'w'：白色

标记：

'.'：点标记

','：像素标记

'o'：圆圈标记

'v'：向下三角标记

'^'：向上三角标记

'<'：向左三角标记

'>'：向右三角标记

's'：方形标记

'p'：五边形标记

'*'：星形标记

'h'：六边形标记1

'H'：六边形标记2

'+'：加号标记

'x'：叉号标记

'D'：菱形标记

'd'：细菱形标记

'|'：竖线标记

'_'：横线标记

线条样式：'-'：实线 '--'：虚线 '-.'：点划线 ':'：点线

    x = np.linspace(0, 10, 100)
    y = np.sin(x)
    # 绘制图形
    plt.plot(x, y, 'r:')

    # 显示图形
    plt.show()

6.2 figure 函数

figure() 函数来实例化 figure 对象，即绘制图形的对象，可以通过这个对象，来设置图形的样式等

参数：

figsize：指定画布的大小，(宽度,高度)，单位为英寸
dpi：指定绘图对象的分辨率，即每英寸多少个像素，默认值为80
facecolor：背景颜色
dgecolor：边框颜色
frameon：是否显示边框

6.2.1 figure.add_axes()

Matplotlib 定义了一个 axes 类（轴域类），该类的对象被称为 axes 对象（即轴域对象），它指定了一个有数值范围限制的绘图区域。在一个给定的画布（figure）中可以包含多个 axes 对象，但是同一个 axes 对象只能在一个画布中使用。

参数：

是一个包含四个元素的列表或元组，格式为 [left, bottom, width, height]，其中：

left 和 bottom 是轴域左下角的坐标，范围从 0 到 1。

width 和 height 是轴域的宽度和高度，范围从 0 到 1。

    # figure():生成画布
    # 参数：
    # figsize： 设置画布的宽和高，数据格式为元组
    fig = plt.figure(figsize=(12, 8))

    # add_axes：画布生成绘图区域
    # 参数
    # left，bottom，width，height：取值范围都是0-1之间
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

    x = np.linspace(-10, 10, 100)
    y = x ** 2

    # 通过绘图区域对象绘制图形，使图形绘制在绘图区域中
    ax.plot(x, y)

    plt.show()

6.2.2 axes.legend()

legend 函数用于添加图例，以便识别图中的不同数据系列。图例会自动显示每条线或数据集的标签。

参数：

labels 是一个字符串序列，用来指定标签的名称
loc 是指定图例位置的参数，其参数值可以用字符串或整数来表示
handles 参数，它也是一个序列，它包含了所有线型的实例

 fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

    x = np.linspace(-10, 10, 100)
    y = x ** 2

    # legend():设置图形的图例
    # 参数:
    # handles:设置图形实例，数据格式是列表
    # labels:设置图形实例的标签说明，数据格式是列标
    # loc:设置图例显示的位置

    # plot:返回对象是一个列表
    # line = ax.plot(x, y)
    # ax.legend(handles=line, labels=['x^2'], loc='best')


    # 图例设置的第二种方式:（常用）
    # 在plot方法中添加label参数，设置图例说明
    # 调用legend方法使图例生效，legend方法可以不设置handles和labels

    ax.plot(x, y, label='x^2 大胆')
    ax.legend(loc='upper center')
    plt.show()

legend() 函数 loc 参数：

位置	字符串表示	整数数字表示
自适应	Best	0
右上方	upper right	1
左上方	upper left	2
左下	lower left	3
右下	lower right	4
右侧	right	5
居中靠左	center left	6
居中靠右	center right	7
底部居中	lower center	8
上部居中	upper center	9
中部	center	10

6.3 标题中文乱码

如果标题设置的是中文，会出现乱码

局部处理：

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

全局处理：

首先，找到 matplotlibrc 文件的位置，可以使用以下代码：

import matplotlib
print(matplotlib.matplotlib_fname())

然后，修改 matplotlibrc 文件，找到 font.family 和 font.sans-serif 项，设置为支持中文的字体，如 SimHei。

同时，设置 axes.unicode_minus 为 False 以正常显示负号。

修改完成后，重启pyCharm。如果不能解决，尝试运行以下代码来实现：

from matplotlib.font_manager import _rebuild
_rebuild()

6.4 subplot 函数

subplot 是一个较早的函数，用于创建并返回一个子图对象。它的使用比较简单，通常用于创建网格状的子图布局。subplot 的参数通常是一个三位数的整数，其中每个数字代表子图的行数、列数和子图的索引。

add_subplot 是一个更灵活的函数，它是 Figure类的一个方法，用于向图形容器中添加子图。推荐使用 add_subplot，因为它提供了更好的灵活性和控制。

语法：

fig.add_subplot(nrows, ncols, index)

# 准备数据
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    # 生成figure画布
    fig = plt.figure(figsize=(12, 4))

    # 添加第一个绘图区域
    ax1 = fig.add_subplot(1, 3, 1)
    ax1.plot(x, y1, label='sin(x)')

    plt.legend()

    # 添加第二个子图区域
    ax2 = fig.add_subplot(1, 3, 2)
    ax2.plot(x, y2, label='cos(x)')

    plt.legend()

    # 添加第三个子图区域
    ax3 = fig.add_subplot(1, 3, 3)
    ax3.plot(x, y3, label='tan(x)')

    # 使图例生效
    plt.legend()

    plt.show()

6.5 subplots 函数

subplots 是 matplotlib.pyplot 模块中的一个函数，用于创建一个包含多个子图（subplots）的图形窗口。subplots 函数返回一个包含所有子图的数组，这使得你可以更方便地对每个子图进行操作。

语法：

fig, axs = plt.subplots(nrows, ncols, figsize=(width, height))

参数：

nrows: 子图的行数。
ncols: 子图的列数。
figsize: 图形的尺寸，以英寸为单位。

# 准备数据
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    # fig, axs = plt.subplots(1, 3, figsize=(12, 4))
    fig, axs = plt.subplots(1, 3)
    axs[0].plot(x, y1)
    axs[1].plot(x, y2)
    axs[2].plot(x, y3)

    plt.show()

    # 准备数据
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    # 生成一个子图区域，在一个区域绘制多个图形
    fig, axs = plt.subplots()
    axs.plot(x, y1, 'r')
    axs.plot(x, y2, 'g')
    axs.plot(x, y3, 'b')

    plt.show()

6.6 subplot2gird 函数

subplot2grid 是 matplotlib.pyplot 模块中的一个函数，用于在网格中创建子图。subplot2grid 允许你更灵活地指定子图的位置和大小，以非等分的形式对画布进行切分，使得你可以创建复杂的布局。

语法：

ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)

参数：

shape: 网格的形状，格式为 (rows, cols)，表示网格的行数和列数，在figure中式全局设置。
loc: 子图的起始位置，格式为 (row, col)，表示子图在网格中的起始行和列。
rowspan: 子图占据的行数，默认为 1。
colspan: 子图占据的列数，默认为 1。

# 准备数据
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)
    y4 = np.exp(x)

    ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=1)
    ax2 = plt.subplot2grid((3, 3), (0, 2))
    ax3 = plt.subplot2grid((3, 3), (2, 0))
    ax4 = plt.subplot2grid((3, 3), (2, 2))

    ax1.plot(x, y1)
    ax2.plot(x, y2)
    ax3.plot(x, y3)
    ax4.plot(x, y4)
    plt.show()

6.7 grid 函数

grid 是用于在图形中添加网格线的函数。网格线可以帮助读者更清晰地理解数据的分布和趋势。grid 函数可以应用于 Axes 对象，用于在子图中添加网格线。

语法：

ax.grid(b=None, which='major', axis='both', **kwargs)

参数：

b: 是否显示网格线，默认为 None，表示根据当前设置显示或隐藏网格线。
which: 指定要显示的网格线类型，可以是 'major'（主刻度）、'minor'（次刻度）或 'both'（主刻度和次刻度）。
axis: 指定要显示网格线的轴，可以是 'both'（两个轴）、'x'（X 轴）或 'y'（Y 轴）。
**kwargs: 其他可选参数，用于定制网格线的外观，如 color、linestyle、linewidth 等。

 # grid():在图形中添加网格线
    # 参数:
    # b:是否显示网格线
    # which:网格线类型，可以是'major'(主刻度)、'minor'(次刻度)或'both'(主刻度和次刻度）
    # axis:显示哪些的网格线，可以是'x'、'y'、'both'
    # **kwargs:可以设置color(网格线颜色)、linestyle(线条样式)、linewidth(线条粗细)
    plt.grid(True, which='major', axis='x', color='red', linestyle='--', linewidth=0.5)

6.8 xscale 和 yscale 函数

xscale 和 yscale 函数用于设置坐标轴的刻度类型。默认情况下，坐标轴的刻度类型是线性的，但你可以使用 xscale 和 yscale 函数将其更改为对数刻度或其他类型的刻度。

 # xscale、yscale:设置x、y轴的刻度类型
    plt.xscale('linear')
    plt.yscale('linear')

6.9 set_xlim 和 set_ylim 函数

set_xlim 和 set_ylim 函数用于设置坐标轴的范围。

语法：

ax.set_xlim(left, right)
ax.set_ylim(bottom, top)

参数：

left 和 right: X 轴的范围，left 是 X 轴的最小值，right 是 X 轴的最大值。
bottom 和 top: Y 轴的范围，bottom 是 Y 轴的最小值，top 是 Y 轴的最大值。

# set_xlim、set_ylim:设置x、y轴的取值范围
    axs.set_xlim(0, 5)
    axs.set_ylim(0, 1)

6.10 set_xticks 和 set_yticks 函数

Matplotlib 可以自动根据因变量和自变量设置坐标轴范围，也可以通过 set_xticks() 和 set_yticks() 函数手动指定刻度，接收一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度。

语法：

ax.set_xticks(ticks)
ax.set_yticks(ticks)

参数：

ticks: 一个包含刻度位置的列表或数组。

 # set_xticks、set_yticks:手动设置x、y轴的刻度列表
    axs.set_xticks([0, 2, 4, 6])

6.11 twinx 和 twiny 函数

twinx 和 twiny 函数用于在同一个图形中创建共享 X 轴或 Y 轴的多个子图。twinx 函数用于创建共享 X 轴的子图，twiny 函数用于创建共享 Y 轴的子图。

语法：

ax2 = ax.twinx()
ax2 = ax.twiny()

说明：

ax: 原始的 Axes 对象。
ax2: 新的 Axes 对象，共享原始 Axes 对象的 X 轴或 Y 轴。

    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    fig, axs = plt.subplots()
    axs.plot(x, y1)
    # axs1 = axs.twinx()
    # axs1.plot(x， y2,'r')
    axs2 = axs.twiny()
    axs2.plot(x, y2, 'g')